inner_join - tidyverse

Resumir con condiciones en dplyr.

Question

Ilustraré mi pregunta con un ejemplo.

Data de muestra:

 df <- data.frame(ID = c(1, 1, 2, 2, 3, 5), A = c("foo", "bar", "foo", "foo", "bar", "bar"), B =     c(1, 5, 7, 23, 54, 202))

df
  ID   A   B
1  1 foo   1
2  1 bar   5
3  2 foo   7
4  2 foo  23
5  3 bar  54
6  5 bar 202

Lo que quiero hacer es resumir, por ID, la suma de B y la suma de B cuando A es "foo". Puedo hacer esto en un par de pasos como:

require(magrittr)
require(dplyr)

df1 <- df %>%
  group_by(ID) %>%
  summarize(sumB = sum(B))

df2 <- df %>%
  filter(A == "foo") %>%
  group_by(ID) %>%
  summarize(sumBfoo = sum(B))

left_join(df1, df2)

  ID sumB sumBfoo
1  1    6       1
2  2   30      30
3  3   54      NA
4  5  202      NA

Sin embargo, estoy buscando una forma más elegante / más rápida, ya que estoy tratando con 10 gb + de datos de memoria insuficiente en sqlite.

require(sqldf)
my_db <- src_sqlite("my_db.sqlite3", create = T)
df_sqlite <- copy_to(my_db, df)

Pensé en usar mutate para definir una nueva columna de Bfoo :

df_sqlite %>%
  mutate(Bfoo = ifelse(A=="foo", B, 0))

Desafortunadamente, esto no funciona en el final de la base de datos de las cosas.

Error in sqliteExecStatement(conn, statement, ...) : 
  RS-DBI driver: (error in statement: no such function: IFELSE)

Answer 1

Escribiendo el comentario de @ hadley como respuesta.

df_sqlite %>%
  group_by(ID) %>%
  mutate(Bfoo = if(A=="foo") B else 0) %>%
  summarize(sumB = sum(B),
            sumBfoo = sum(Bfoo)) %>%
  collect

Answer 2

Puedes hacer ambas sumas en una sola declaración dplyr :

df1 <- df %>%
  group_by(ID) %>%
  summarize(sumB = sum(B),
            sumBfoo = sum(B[A=="foo"]))

Answer 3

Si desea hacer un recuento en lugar de resumir, entonces la respuesta es algo diferente. El cambio en el código es pequeño, especialmente en la parte de conteo condicional.

df1 <- df %>%
    group_by(ID) %>%
    summarize(countB = n(),
              countBfoo = sum(A=="foo"))

df1
Source: local data frame [4 x 3]

  ID countB countBfoo
1  1      2         1
2  2      2         2
3  3      1         0
4  5      1         0